基于神经网络的小时间粒度交通流预测模型

为解决传统车队离散模型基于概率分布假设和现有交通流预测时间粒度过大不能应用于自适应信号配时优化等问题.在车队离散模型的建模思路上,先分析了下游交叉口车辆到达与上游交叉口车辆离去之间的关系,基于此构建了基于神经网络的小时间粒度交通流预测模型.该模型以上游交叉口离去流量分布为输入,下游交叉口到达流量分布为输出,时间粒度为5 s.最后,通过实际调查数据标定模型参数并应用模型预测下游交叉口到达流量.结果表明,与Robertson模型相比,本文模型预测结果能够更好地反映交通流的变化特征,平均预测误差减少了8.3%.成果可用于信号配时优化.     

基于灰色—小波神经网络的有效泊位预测

针对停车场有效停车泊位的变化特征,提出了基于灰色—小波神经网络的组合模型.先通过灰色单因素预测模型对有效停车泊位时间序列进行修正处理,再基于分步式小波神经网络模型对修正预测值进行运算,并通过马克科夫链预测模型得到更精确的预测区间,并利用实际案例分析,对模型的预测精度、稳定性、拟合度和训练时间进行了评价.研究表明,灰色—小波神经网络预测模型可降低初始数据波动性的干扰,与传统神经网络相比,预测结果误差波动性降低了10%~19%,稳定性提高了27%~33%,拟合度提高了10%~15%,精确度明显提高.     

钦州湾围滩工程前后潮流场的数值模拟

基于双时间层的有限差分方法(ADI),建立了水深平均二维浅水潮流数学模型,采用逆风格式和追赶法求解二维浅水方程,通过建立钦州湾二维潮流数值模型重现钦州湾的潮位和潮流变化状况。模拟结果与同步进行的岸边潮位及海上潮流的观测值校验结果表明,实测潮位资料与对应时间的计算结果吻合良好,实测潮流与对应时间的计算结果十分接近。模拟计算结果真实地反映钦州湾的潮位变化和潮流运动状况。钦州湾围滩工程实施前后的潮流场数值模拟研究结果表明该工程建设不会对海域水动力学条件产生较大影响。     

基于Elman网络模型的空中目标识别方法

为了准确、迅速识别空中目标类型,建立基于Elman神经网络的空中目标识别模型。该模型降低了以往空中目标识别方法中的人为因素,提高目标识别结果的可信度和快速性。通过实例验证,证明该模型的有效性和正确性。     

应用磁天线技术解决长河二号导航系统监测问题

研制出了一款磁性天线用于解决长河二号监测系统连续监测问题并提高监测精度。磁天线相对于电天线更有利于接收长河二号信号,抑制干扰,提高信噪比,获得较高的时差测量精度,对台链各台发射信号的时间基准的调整更为准确。通过分别在导航台及监测站的试用,验证了磁性天线研制成功。     

基于神经网络的道路通行能力与交通需求匹配度判别研究

交通的供需是否匹配关系到城市和枢纽的发展前景。文中在探讨道路通行能力与需求匹配特性的基础上,用BP神经网络理论建立一种交通匹配预测模型。该模型发挥神经网络的优势,对数据并行处理和分布存储,通过训练、学习产生一个非线性映射,自适应地对数据进行预测。通过相关数据实验证明,该神经网络模型有较高的精度,并有较好的适用性。     

基于AD2S83模拟航海罗经角位置检测研究

介绍一种模拟航海罗经的角位置检测方法,给出了实现角度测量功能的硬件电路和软件设计.着重研究了自整角机的三相信号通过隔离转换电路转换成正、余弦信号,输入到高精度AD2S83的轴角/数字转换电路转换成二进制数字信号,供给计算机系统读数显示.     

基于贝叶斯网络的声呐系统战场损伤评估及修复模型

为了解决战场环境下的声呐系统损伤评估及修复（SSBDAR）问题,本文研究了战场损伤评估及修复模型。针对舰艇声呐系统战场损伤评估的因果推理特性,建立了基于贝叶斯网络的战场损伤评估模型,提出了基于贝叶斯网络的评估流程,给出了基于贝叶斯网络的评估决断算法。该模型利用贝叶斯网络对各评估修复节点进行分析,能够解决损伤信息不确定性,而且充分利用舰艇声呐系统各节点的损伤信息,提高了模型评估及修复效率,是解决舰艇声呐系统战场损伤评估及修复问题的一个有效途径。     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

小样本情况下的船舶溢油事故风险评价研究

船舶溢油风险评价是一项复杂的多因素问题,是船舶溢油应急管理的关键环节.作为智能搜索算法的代表理论,BP神经网络被认为是进行不确定风险评价的较好方法之一,然而船舶溢油事故属于小样本事件,统计数据往往难以满足BP神经网络要求的样本容量.针对这一困境,首先提出一种利用B样条最小二乘理论的数据拟合法,显著增加样本数.其次,根据船舶溢油特点建立了基于BP神经网络的船舶溢油风险评价模型.最后以上海港近年发生的10起溢油事故为实例,检验了模型的可行性.